[发明专利]基于自适应权重融合的薄层色谱成分分析方法及相关设备

权利要求书

1.一种基于自适应权重融合的薄层色谱成分分析方法，其特征在于，所述方法包括：

获取待分析图像，其中，所述待分析图像为待分析样本的薄层色谱图像，将所述待分析图像输入至预设滤波器，通过所述预设滤波器提取所述待分析图像中的各个第一特征向量；

将所述第一特征向量与目标样本的各个模板特征向量进行匹配，基于匹配结果获取所述待分析样本和所述目标样本的第一相似度分数，其中，所述模板特征向量为从所述目标样本的薄层色谱图像中提取的特征向量；

将所述待分析图像输入至已训练的第一神经网络，获取所述第一神经网络输出的所述待分析图像中的各个第一谱带；

基于各个所述第一谱带之间的相对位置和所述目标样本的各个模板谱带之间的相对位置获取所述待分析样本和所述目标样本的第二相似度分数，其中，所述目标样本的所述模板谱带为所述目标样本的薄层色谱图像中提取的谱带；

将所述待分析样本和各个所述目标样本的所述第一相似度分数和所述第二相似度分数输入至已训练的第二神经网络，获取所述第二神经网络输出的成分分析结果。

2.根据权利要求1所述的基于自适应权重融合的薄层色谱成分分析方法，其特征在于，所述将所述第一特征向量与目标样本的各个模板特征向量进行匹配之前，所述方法还包括：

将所述目标样本的薄层色谱图像输入至所述预设滤波器，通过所述预设滤波器提取所述目标样本的薄层色谱图像中的各个第二特征向量；

根据每个所述第二特征向量的模选取至少一个所述第二特征向量作为所述目标样本对应的所述模板特征向量。

3.根据权利要求1所述的基于自适应权重融合的薄层色谱成分分析方法，其特征在于，所述将所述第一特征向量与目标样本的各个模板特征向量进行匹配，包括：

计算所述第一特征向量与各个所述模板特征向量之间的相似度；

当所述第一特征向量与所述模板特征向量之间的相似度大于预设阈值时，确定所述第一特征向量与所述模板特征向量匹配。

4.根据权利要求1所述的基于自适应权重融合的薄层色谱成分分析方法，其特征在于，所述基于匹配结果获取所述待分析样本和所述目标样本的第一相似度分数，包括：

根据与所述目标样本的所述模板特征向量匹配的所述第一特征向量的个数获取所述第一相似度分数。

5.根据权利要求1所述的基于自适应权重融合的薄层色谱成分分析方法，其特征在于，所述基于各个所述第一谱带之间的相对位置和所述目标样本的各个模板谱带之间的相对位置获取所述待分析样本和所述目标样本的第二相似度分数，包括：

计算相邻的所述第一谱带之间的位置坐标的差，得到各个所述第一谱带之间的第一相对位置数据；

计算相邻的所述模板谱带之间的位置坐标的差，得到各个所述模板谱带之间的第二相对位置数据；

根据所述第一相对位置数据和所述第二相对位置数据获取所述第二相似度分数。

6.根据权利要求1所述的基于自适应权重融合的薄层色谱成分分析方法，其特征在于，所述基于各个所述第一谱带之间的相对位置和各个模板谱带之间的相对位置获取所述待分析样本和所述目标样本的第二相似度分数之前，所述方法还包括：

将所述目标样本的薄层色谱图像输入至已训练的所述第一神经网络，获取所述第一神经网络输出的所述目标样本的各个所述模板谱带。

7.根据权利要求1-6任一项所述的基于自适应权重融合的薄层色谱成分分析方法，其特征在于，所述预设滤波器的参数与所述第一神经网络的参数一同训练得到，训练数据中包括多组样本数据，每组样本数据中包括样本待分析图像，各个所述目标样本和所述样本待分析图像对应的样本的成分。